Ulrich蚊子Blog

机器学习模型可以通过不同的评估指标对其进行评估，具体选用哪种方式，则由模型自身的特征，以及具体的需求来决定的。

模型常用评估指标L0 范数、L1 范数、L2 范数、余弦距离向量的范数可以简单形象理解为向量的长度，或者向量到零点的距离，亦或是相应两个点之间的距离。因此范数通常会对应一个距离概念。L0 范数L0 范数表示向量中非零元素的个数：∣∣x∣∣0=#(i) with xi≠0||x||_0 = \#(i) \text{ with } x_i \ne 0∣∣x∣∣0​=#(i) with xi​​=0 。使用 L0 范数的目的就是希望向量的大部分元素都是 0 ，即

一、kNN算法概述       kNN是k-Nearest Neighbour的缩写，这是一种非常简单且易于理解的分类算法。回想我们从小到大在认知事物的过程当中，我们是如何判断一种事物是属于哪种类别的？通常的一种思路就是，分析当前这个事物与我们之前所知道的类别特征进行比对，找出最接近的一类，然后就可以把这个东西归属于这一个类别。kNN算法大致就是这么一个思路，直接通过测量不同特征值之间的距离来达到...